12+
Оглавление - Вектор смысла: новый квадрант
Навигация в пространстве векторного поиска
- Предисловие
- Часть I: Проблема
- Глава 1. Поиск похожего
- 1.1. Миллион фотографий
- 1.2. Почему это сложно
- 1.3. Что значит «похоже»
- Глава 2. Векторы и пространства
- 2.1. Вектор как адрес
- 2.2. Расстояние между смыслами
- 2.3. Проклятие размерности
- Часть II: Эволюция
- Глава 3. Как научились векторизовать
- 3.1. Тупик ключевых слов
- 3.2. Word2Vec
- 3.3. От слов к чему угодно
- Глава 4. Поиск в миллиардах
- 4.1. Смерть наивного поиска
- 4.2. Приближённый поиск
- 4.3. HNSW
- Глава 5. От библиотек к базам
- 5.1. Чего не хватает библиотекам
- 5.2. Что добавляют базы
- 5.3. Ландшафт
- Часть III: Анатомия
- Глава 6. Выборы
- 6.1. Язык
- 6.2. Коллекции и сегменты
- 6.3. Точка
- Глава 7. Компромиссы
- 7.1. HNSW и его цена
- 7.2. Память против диска
- 7.3. Квантизация
- Глава 8. Фильтрация
- 8.1. Зачем
- 8.2. До или после
- 8.3. Индексы payload
- Часть IV: Границы
- Глава 9. Семантический поиск
- 9.1. Когда работает
- 9.2. Когда ломается
- 9.3. Качество эмбеддингов
- Глава 10. RAG
- 10.1. Проблема LLM
- 10.2. Идея RAG
- 10.3. Где ломается
- Глава 11. Масштаб
- 11.1. Вертикально
- 11.2. Горизонтально
- 11.3. Деградация
- Глава 12. Выбор
- 12.1. Qdrant vs другие
- 12.2. Когда хватит pgvector
- 12.3. Когда векторный поиск не нужен
- Послесловие
- БИБЛИОГРАФИЯ